时薪20块，机器人吃不起饭？

具身智能的瓶颈，正在从『造出机器人』变成『喂饱机器人』。

2026年9月，具身智能行业发生了两件看似不相干的事：智元旗下觅蜂科技发布了具身数据众包平台觅蜂派，宣称自己是「全球首个全品类高质量物理AI数据众包服务平台」；同月24日，智元第20000台具身智能机器人远征A3 Ultra下线，交付长隆集团。一边在为机器人筹粮，一边在为机器人找考场——这两件事拼在一起，才是当下具身智能产业的真实图景：造机器人的能力已经有了雏形，喂机器人和用机器人的能力，都还在摸索。

🍱 时薪20块的众包生意，抄的是十年前的作业

“金句：数据众包不新鲜，新鲜的是这次给机器人喂饭。

2016年，自动驾驶公司Comma.ai推出过一款叫Chffr的行车记录应用。逻辑很简单：用户把手机架在挡风玻璃前，App自动录驾驶数据、传云端，公司攒够数据训模型，模型再装回每台车，闭环成立。

十年过去，Comma.ai没能成为自动驾驶的主角，行业的聚光灯早已转向特斯拉FSD，真正的自动驾驶也迟迟没有到来。

如今，这套打法被原封不动搬进了具身智能。海外有Figure AI的Index平台，国内就是觅蜂科技的觅蜂派。9月末发布的觅蜂派由三部分组成：自研数采设备MEgo、觅蜂派App、数据治理引擎MEgo Engine。用户像接外卖单一样，接取机器人训练所需的数据任务——采集数据换钱，觅蜂收到后做治理、分级，再打包用于机器人训练。

据定焦One的报道口径，这份「时薪20块」的活，就是这套数据生意的定价基线。业内私下传的说法是：「众包解决的是量，具身智能缺的从来不只是量。」

产业逻辑上，众包的吸引力在于低门槛、快聚合——这是外卖平台验证过的模式。但具身智能是一个远比自动驾驶复杂的物理世界AI场景：它不仅要具备类似自动驾驶的Local Motion能力，还要完成精细的桌面操作，理解更复杂的物理定律。自动驾驶的数据众包做了十年都没跑通，换到更难的具身智能，这个故事要重新讲一遍。

📉 众包的坑：量能堆出来，质堆不出来

“金句：自动驾驶众包没做成的事，不会因为换了主角就自动成功。

把时间线拉长看，物理AI的数据采集史几乎就是一部众包史：

• 2016年：Comma.ai推出Chffr，自动驾驶数据众包的早期尝试
• 2026年9月24日：智元第20000台具身机器人交付长隆集团，第15000台此前交付龙旗科技产线
• 2026年9月末：觅蜂科技发布觅蜂派数据众包平台
• 同期：Google DeepMind发布Gemini Robotics 2，主打全身控制、灵巧操作与多机协作

对比一下各家走的数据路线，差异就很清楚了：

注意最后一行——这是很多人忽略的变量。Gemini Robotics 2被Google DeepMind定义为「驱动下一代真正可适应机器人的智能层」，首次实现了全身控制、高阶灵巧性和多机器人协作。如果模型能力持续跃迁，对数据「量」的依赖反而可能下降，对「质」的要求继续上升。这对纯靠人海堆数据的众包模式，不是一个好消息。

🎢 第20000台下线：机器人的「部署态」考试

“金句：舞台上一次高难度动作是热点，数百台每天准时上岗才是产业。

2026年，具身智能行业最难回答的问题之一，是「落地」。智元给这个词拆出了两层含义：一是机器人得有足够稳定的量产能力，真的交付出去；二是交付之后得适应具体场景，在真实环境里持续工作。智元管这个叫「部署态」——机器人开始离开发布会和展会，进入真实的生产与服务环境。

9月24日，横琴长隆飞船乐园焕新开园，作为全球首个大规模具身智能主题乐园，引入超300台智元机器人，分布在100余个交互体验点，覆盖文娱商演、科普研学、导览导引、服务零售、智能伴游、酒店场景、体育竞技七大场景。这只是首期，整个体系部署规模预计达数千台。同天揭牌的还有「长隆×智元具身智能文旅联合研究院」，以及与中国移动联合共研的文旅场景大规模5G-A具身智能创新应用。

这300多台机器人的工作早已不限于表演：导览场景要做目的地查询、路线规划、自主带路和巡回讲解；研学区域要围绕海洋知识与游客问答；零售和酒店场景要迎宾接待、商品咨询。

更有信息量的是20000台节点本身的变化：今年此前，第15000台交付的是龙旗科技的产线，对应工业场景的劳动生产力；第20000台来到长隆，对应文旅场景的服务生产力。两类场景需求差异很大，对机器人的能力要求也不同——智元正在用两条真实场景线，同时验证具身智能作为劳动生产力和服务生产力的两种可能，并寻找一套能跨场景复制的产品与部署能力。

据接近智元的人士的说法，长隆提供的是一块「足够大、足够复杂，也足够长期」的考场——真实客流的不确定性，是任何实验室都造不出来的测试环境。

⚠️ 真正的闭环：数据、场景、模型三件事必须咬合

“金句：数据喂不出机器人，场景也考不出机器人，三者咬合才行。

把三条线索放在一起，能看到具身智能的竞争已经从「单点能力」转向「系统闭环」：

在这个闭环里，众包数据和场景数据其实是互补关系：众包负责把「量」的盘子铺开，尤其是桌面操作这类可以标准化拆解的任务；场景部署负责把「质」的天花板顶上去，尤其是真实客流、真实运营里的长尾问题。而模型层的进展——比如Gemini Robotics 2展示的全身控制与多机协作——决定的是同样一份数据能榨出多少能力。

对智元这样的整机厂来说，同时布局觅蜂派数据众包和长隆场景部署，等于在数据侧和场景侧各押了一个筹码。风险同样明显：众包模式在自动驾驶领域十年未跑通的教训就摆在眼前；数千台的乐园部署则考验的是运维、可靠性和商业账本。哪一环掉链子，故事都讲不圆。

小结

“金句：2026年，具身智能的竞争从发布会转移到了运营现场。

时薪20块的众包数据，大概率喂不饱机器人；但数万台机器人在产线和乐园里的「部署态」运行，正在喂出一个真实的数据与场景飞轮。接下来一年值得盯住三件事：觅蜂派的数据质量和复购率、长隆部署规模能否从300台走向数千台、以及Gemini Robotics 2这类基座模型是否会改写数据需求的计算方式。具身智能的「美团时刻」还远未到来，但抢跑位的动作，已经开始了。